现在去硅谷,到底能看到什么?
中美AI一线的观察,和三条学习建议
我的观察位置 · 1/3
我的观察位置 · 2/3
工程师、产品经理、研究者、创业者,还有各行各业的人,把自己用AI做的东西拿出来,互相给反馈。
成员来自OpenAI、Google、Meta、Amazon、
Microsoft、字节跳动……
超线性学院社区地图 · city.lizheng.ai
每盏灯是一位成员,每条线是一次来往 · 数据截至2026年10月
我的观察位置 · 3/3
中国大厂
腾讯
IEG数据与AI副总监
带30人团队
美国大厂
Amazon · Meta
经济学家
数据科学家
创业公司
Statsig
早期成员
公司后来被OpenAI收购
Superlinear Academy创始人,专注AI教育
AI课程13期、3,000+付费学员 · 200+场与科技领袖、AI研究者的公开对话
两边都待过,我看到的是
看 · 人
47%
全球顶尖AI研究者里,本科在中国读的比例
2019年,这个数字还是29%
MacroPolo全球AI人才追踪,样本为NeurIPS 2022论文作者
在两边做培训、带社区,我看到的都是这样。
看 · 市场
三条建议,都来自我们在企业培训和社区里反复看到的事
建议一 · 学
大家在追的名词
真正拉开差距的动词
名词是零件,动词是组装能力。详见文章《为什么所有人都在学名词,
建议二 · 用
能替你做完多少事 →
聊天框
你问一句,它答一句;资料靠你来回搬
云端Agent、打包好的工具
能替你做一段;能做什么,别人定好了
Agentic工具
在你的电脑上读文件、用工具、检查结果,把整件事做完
10分钟
装好
1个晚上
上手
人在电脑上能做的工作,它几乎都能做——这是调动AI算力最有效的方式。
建议三 · 管
像管理者一样用AI:讲清要什么,检查做没做到,路径交给它
过程确定性管每一步
“我放心,
是因为每一步都是我定的。”
结果确定性管结果
“我放心,
是因为讲清了什么叫做完,而且能检查。”
好的管理者,不会规定下属每一下键盘怎么敲:他讲清要什么、怎么验收,然后检查结果。
“结果确定性”出自鸭哥《从过程确定性到结果确定性:AI时代的另一种安全感》
建议三 · 管|一个真实例子
第一条路:调API,每一步自己管
90%的时间,花在给AI擦屁股
第二条路:交给Claude Code,只写验收标准
它自己写脚本检查,不通过就改,改到通过
安全、付款这类高风险操作,仍然要管过程:不是放弃控制,而是选对在哪里控制。
课代表立正 · superlinear.academy当前页
下一页